中国空气质量改善的健康效应评估

本报告由北京大学空气气候健康（AiR-Climate-Health,ARCH）研究团队编制 亚洲清洁空气中心提供支持 作者列表 朱彤中国科学院院士 北京大学环境科学与工程学院教授 薛涛北京大学公共卫生学院研究员王若涵北京大学公共卫生学院 佟明坤北京大学公共卫生学院 杨欣悦北京大学环境科学与工程学院 宫继成北京大学环境科学与工程学院研究员刘俊北京科技大学能源与环境工程学院副教授张世秋北京大学环境科学与工程学院教授 艾思奇北京大学环境科学与工程学院博士后 李芳洲北京大学环境科学与工程学院博士后 曹靖原北京大学环境科学与工程学院博士后鲁鸿北京大学公共卫生学院 刘恒毅北京大学公共卫生学院 倪雪秋北京大学公共卫生学院 邓建宇北京大学公共卫生学院王彦滢北京大学环境科学与工程学院 文字编辑亚洲清洁空气中心万薇 版式设计亚洲清洁空气中心传播组 • 执行摘要03—06 • 01引言 ----------------------------------07—14 •02研究内容与方法15—18 •03主要研究发现19—40 •04结论41—42 •05参考文献43—44 目录 执行摘要 空气污染暴露是危害人群健康的首要风险因子之一。越来越多的研究证据表明，对于儿童，空气污染暴露会伤害其呼吸系统发育、诱发呼吸道感染和加剧哮喘；对于成人，空气污染暴露会增加肺癌、缺血性心脏病、卒中等致死性疾病，并可能与慢阻肺、糖尿病和退行性神经疾病存在关联。 定量评估空气污染暴露的健康风险是相关环境健康研究成果的集成，可以为相关政策标准的制定和成效评估提供关键科学依据。在中国，2012年修订和发布的《环境空气质量标准 （GB3095-2012）》是大气污染防治进程的一个里程碑，在PM2.5首次纳入标准后，实施了包括“大气十条”（2013-2017）和“蓝天保卫战”（2018、2019、2020）等关键行动政策，使得空气质量快速改善。我们需要关注这一历程和变化带来了什么样的健康改善，为中国在取得大气污染防治的阶段性胜利后如何迈向下一个新征程提供指引。 全球疾病负担研究（GlobalBurdenofDiseases,GBD）促进了相关定量评估技术的推广，过去已有不少研究报告了PM2.5和O3暴露的中国疾病负担证据和健康影响变化。然而，已有研究仍然存在部分局限性，例如不同风险评估结果之间并不可比、无法区分死亡年龄对疾病负担的影响，并且很多研究直接采用全国统一基线分析，无法全面捕捉近年来在不同区域、不同人群结构下，城市化、老龄化等中国社会典型特征带来的空气污染健康效应的变化。 因而，十分有必要针对中国近年来大气污染治理带来的空气质量快速改善，利用最新的方法和输入数据、开展统一的健康影响评估。 本报告应用了最佳可得的健康风险评估方法，以2013年为参照、定量分析2013-2020年期间空气质量提升带来的健康改善效益，及其人群和空间分布。 本报告依循全球疾病负担评估的研究方法，将PM2.5和臭氧（O3）长期暴露相关成人早逝的总人数作为测算空气污染健康风险的主要指标，并将二氧化氮（NO2）相关早逝作为敏感性分析指标。 为总结健康改善效益，本报告进一步计算“大气十条”和“蓝天保卫战”期间空气污染归因的预期寿命变化，并利用洛伦兹曲线和基尼系数分析了健康改善效益的均衡程度。结果显示： “大气十条”与“蓝天保卫战”期间，与健康息息相关的大气污染物暴露浓度快速下降 “大气十条”期间，PM2.5人口加权暴露浓度从69μg/m3降低到47μg/m3，经过“蓝天保卫战”治理，进一步降低到36μg/m3，接近我国现行标准（PM2.5年均浓度35μg/m3）。从地区分布来看，华北地区PM2.5人口加权暴露浓度的下降幅度最为明显。全国暴露在PM2.5浓度超标水平中的人口占比从2013年的96%下降到2017年的77%，再降至2020年的47%。 “大气十条”期间O3人口加权暴露浓度从 111μg/m3升高到121μg/m3，但随着“蓝天保卫战”的推进，O3人口加权暴露污染有所改善，2020年人口加权浓度降至115μg/m3，仍然高于2013年基准暴露水平。从地区分布来看，华北和西北地区升高幅度尤为明显，而在长江三角洲、珠江三角洲等南方区域，O3人口加权暴露浓度有轻微下降。从暴露在超标浓度水平（100μg/m3）的人口比例来看则有所下降，从2013年的83%下降到2017年80%，随后又降至2020年的73%。 “大气十条”实施的五年期间，人口加权NO2暴露浓度从32μg/m3降低到28μg/m3，“蓝天保卫战”三年期间，进一步降至24μg/m3。其中，华北地区的下降幅度最大，长三角地区NO2污染的改善趋势也较为明显。暴露在NO2超标浓度水平（100μg/m3）的人口比例也下降显著，从2013年的28%下降到2020年的2%。 更清洁的空气带来预期寿命增加，深度治理让更多人受惠 综合考虑PM2.5和O3暴露水平变化，“大气十条”期间预期寿命增加1.94月，“蓝天保卫战”期间预期寿命增加3.87个月；考虑预期寿命增加的人群分布，“大气十条”阶段，一半收益集中于约1/4人口，基尼系数为0.32；蓝天保卫战期间，一半收益集中于1/3人口，基尼系数为0.18，地区之间的不平等现象有所缓解。 “大气十条”和“蓝天保卫战”期间，NO2浓度降低避免了0.86和1.12个月的预期寿命损失，同样提示空气污染相关的健康风险在加速下降。 由于各地基础空气质量、年龄结构、健康基线水平的差异，导致空气质量改善与健康改善并不总是成正比。PM2.5健康收益受暴露改善幅度的影响，但并不完全由暴露改善决定——当暴露改善幅度相当时，在平均年龄更高的地区，健康收益更大。从地区分布来看，空气质量改善幅度最大的是京津冀地区的“2+26”城市，但健康改善最多的地区是长三角和四川盆地。此外，空气质量改善具有一定城乡差距，但健康改善的城乡差距 并不明显。 值得一提的是，PM2.5与死亡的暴露反应关系呈现亚线性的特征，也就是说在浓度更低的区间，同样幅度的暴露改善将带来更大的健康收益。因此，在“大气十条”期间空气质量改善的基础上，“蓝天保卫战”期间的深度治理使得PM2.5浓度进一步下降，其健康效应提升的边际效应更强。总的来说，从“大气十条”到“蓝天保卫战”，由于强调了多污染物的协同控制、且不断深化的空气质量改善程度，空气治理促进健康的效率逐步放大、普惠程度逐步提高。 关注空气污染易感人群，进一步改善空气质量为“老龄化”社会减少疾病负担 为了进一步保护公众健康，世界卫生组织（WHO）2021年更新了《全球空气质量指导值》，其中最重要的变化是大幅加严了PM2.5、NO2的指导值，并增设了O3高峰季指导值，同时也设置了过渡阶段目标供各国的空气质量管理参考。其中，PM2.5年均指导值从10μg/m3降低至5μg/m3；第一阶段过渡目标值为35μg/m3，与我国现行标准相当。 评估显示，2020年中国PM2.5人口加权暴露浓度与世卫组织第一阶段过渡目标值接近，NO2人口加权暴露浓度低于第二阶段过渡目标值，O3仍处于第一阶段过渡目标值以上。如果将《全球空气质量指导值》作为清洁空气的理想目标，我国当前空气质量仍有待进一步提高。 更深度的空气污染治理将使得易感人群也得到更大的健康保护，包括儿童、老年人，患有慢阻肺、心血管疾病、哮喘等基础疾病的人群，他们暴露在PM2.5污染中更为脆弱。由于空气污染是诱发呼吸和循环系统慢性疾病的重要诱因，人口急剧老龄化会使得相关疾病负担占比增加，甚至抵消空气质量改善带来的健康收益。随着我国人口结构老龄化程度的进一步加深，加之社会对人口生育的重视，进一步开展多种空气污染物的深度、协同治理，以减少空气污染相关有害健康效应变得愈发重要。 中国的空气污染治理和健康改善 ——成绩与挑战 01 引言 在过去七十余年，从发达国家到发展中国家，工业化和城市化造成了不同程度的空气污染危机，使其成为一项全球环境挑战。而人们对空气污染的健康风险认知也在逐步累积，推动着政策、标准和行动计划的出台和升级，促进了空气质量的改善和对公众健康的保护。 在中国，2012年修订和发布的《环境空气质量标准（GB3095-2012）是大气污染防治进程的一个里程碑，在PM2.5首次纳入标准后，我国经历了空气质量快速改善的“黄金十年”。我们需要关注这一历程和变化带来了什么样的健康改善，以及中国如何在“蓝天保卫战”取得阶段性胜利后，迈向下一个十年的新征程。 本报告通过健康效应的定量分析和评估回答上述决策者、学界、公众都十分关注的问题，这也是相关环境健康研究成果的集成过程，可以为过去大气污染治理关键政 策、标准的成效评估、未来政策的制定和标准的修订提供科学证据和信息参考。 空气污染的健康效应 多种空气污染物被认为能够危害人体健康。常规空气污染物包括臭氧（O3）、二氧化氮（NO2）、二氧化硫（SO2）、一氧化碳（CO）四种气态污染物和颗粒态污染物（又称气溶胶）。颗粒污染物可以进一步区分为空气动力学直径小于2.5微米的细颗粒物（PM2.5）、小于10微米的粗颗粒物（PM10），是包括多种化学成分的混合物。 毒理和病理学研究发现，在短期或长期暴露于上述空气污染物后，人体可能诱发氧化应激、系统免疫等多种致病机制，并且 userid:529794,docid:174988,date:2024-09-18,sgpjbg.com 大量人群研究发现上述空气污染物暴露与多种健康结局存在统计关联。 在过去的十五年中，得益于科学家对于空气污染影响人类健康的不断研究，我们对于六种主要污染物如何影响人体各方面的健康有了更深入的了解和清晰的认识，也观察到了空气污染导致越来越多疾病种类的证据。例如，对于儿童，空气污染暴露会伤害其呼吸系统发育、诱发呼吸道感染和加剧哮喘1。对成人，空气污染暴露会增加肺癌、缺血性心脏病、卒中等致死性疾病2,3，并可能与慢阻肺、糖尿病和退行性神经疾病存在关联4,5。 然而对于不同“暴露-结局”组合，研究进度并不相同、证据强度也有差异，究竟哪些“暴露-结局”组合应该被决策者所采纳、用于健康风险测算，需要对已有证据进行全方位的评估。例如，全球疾病负担研究 （GlobalBurdenofDiseases,GBD）选择了相关性更低、甚至呈现负相关的PM2.5和O3两种污染物作为暴露指标，仅考虑长期健康效应，选择疾病归因死亡作为健康结局。 最新的GBD评估涵盖的“暴露-结局”组合包括：PM2.5长期暴露与低出生体重、早产、下呼吸道感染、二型糖尿病、慢性阻塞性肺病、肺癌、脑卒中、缺血性心脏病的组合，以及O3长期暴露与慢性阻塞性肺病的组合。需要说明，其它空气污染物与疾病的关联并非不重要，但由于多种污染物之间的复杂相关性，暴露与疾病之间的因果关系有待进一步确认，并且不同空气污染 物的疾病风险存在“重复计算”，因此没有将多种污染物全盘纳入评估。总之，如何准确测算多种空气污染物联合暴露的疾病风险，仍是未被彻底解决的学术难题。 引言-图1全球疾病负担所采纳的空气污染暴露相关健康结局 空气污染的疾病负担 定量评估空气污染暴露的健康风险是相关环境健康研究成果的集成，是相关政策、环境标准制定的关键科学证据。 描述空气污染暴露与健康结局发生概率的数学方程被称为暴露反应关系，是开展健康风险评估的核心方法。为了构建某一空气污染物（如PM2.5）与全因死亡的暴露反应关系，传统的方法是通过文献综合、统计模型（例如荟萃回归分析、非线性拟合等）关联某一种健康结局的相对风险度 （RelativeRisk，RR）估算值与得出该RR所对应的人群平均暴露水平（如平均PM2.5浓度）。例如，美国环保署（USEPA）曾基于上述方法，结合经济负担评估等多种技术手段，开发了BenMAP模型 （Environmental BenefitsMappingandAnalysisProgram），用于测算PM2.5和O3暴露导致的超额死